CN110839208B

CN110839208B - 用于校正多路径偏移和确定无线站点位置的方法及装置

Info

Publication number: CN110839208B
Application number: CN201910761643.0A
Authority: CN
Inventors: B·余; F·白
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2018-08-15
Filing date: 2019-08-13
Publication date: 2021-04-02
Anticipated expiration: 2039-08-13
Also published as: CN110839208A; US20200059886A1; US10694485B2

Abstract

本公开涉及用于确定一个或多个无线站点或接入点的位置的方法、系统及计算机可读存储介质。该方法包括由处理器从一个或多个车辆接收轨迹数据。该方法还包括由处理器对轨迹数据执行粒子滤波分析。该方法还包括由处理器确定一个或多个无线站点或接入点的位置。

Description

用于校正多路径偏移和确定无线站点位置的方法及装置

相关申请交叉引用

本申请要求2018年8月15日提交的美国临时专利申请序列号62/764,741的权益，其全部内容通过引用并入本文。

技术领域

本公开涉及地图构建和导航，更具体地，涉及使用车辆轨迹数据来确定公共无线站点的位置。

背景技术

自主车辆是指无需人工干预便能够操作和导航的汽车。自主车辆以及一些非自主车辆使用传感器(例如，摄像机、雷达、LIDAR)、全球定位系统以及计算机视觉来检测车辆的周围环境。此外，高级计算机控制系统解释传感输入信息以识别车辆的位置、适当的导航路径、以及障碍物和相关标志。一些自主车辆实时更新地理地图信息，以保持了解自主车辆的位置，即使情况改变或自主车辆进入未知环境。自主车辆以及非自主车辆越来越多地使用V2X通信(车辆对一切事物、车辆对车辆(V2V)、车辆对基础设施(V2I))与远程计算机系统进行通信以及相互通信。

发明内容

根据一个或多个实施例，公开了一种确定一个或多个无线站点或接入点的位置的方法。该方法包括由处理器从一个或多个车辆接收轨迹数据。该方法还包括由处理器对轨迹数据执行粒子滤波分析。该方法还包括由处理器确定一个或多个无线站点或接入点的位置。

根据一个或多个实施例或以上方法实施例，该方法可包括使用一个或多个无线站点或接入点的位置来确定一个或多个车辆的位置。

根据一个或多个实施例或以上方法实施例中的任何方法实施例，粒子滤波分析可包括根据轨迹数据生成或重新生成样本，计算权重并使权重与每个样本相关联，以及重复生成或重新生成样本以及重复计算和关联权重，直到获得样本的概率分布。

根据一个或多个实施例或以上方法实施例中的任何方法实施例，权重计算可包括多路径抑制测定。

根据一个或多个实施例或以上方法实施例中的任何方法实施例，多路径抑制测定可以是基于信道状态信息。

根据一个或多个实施例或以上方法实施例中的任何方法实施例，多路径抑制测定可以是基于接收信号强度指示。

根据一个或多个实施例或以上方法实施例中的任何方法实施例，接收信号强度指示可用于推断视线状况。

根据一个或多个实施例，公开了一种用于确定一个或多个无线站点或接入点的位置的系统。该系统包括一个或多个车辆。每个车辆包括第一存储器和耦合到第一存储器的第一处理器。该系统包括一个或多个云计算机。每个云计算机包括第二存储器和耦合到第二存储器的第二处理器。每个第二处理器可操作用于执行从一个或多个车辆接收轨迹数据，对轨迹数据执行粒子滤波分析，以及确定一个或多个无线站点或接入点的位置。

根据一个或多个实施例或以上系统实施例，每个第二处理器可操作用于使用一个或多个无线站点或接入点的位置来确定一个或多个车辆的位置。

根据一个或多个实施例或以上系统实施例中的任何系统实施例，粒子滤波分析可包括根据轨迹数据生成或重新生成样本，计算权重并使权重与每个样本相关联，以及重复生成或重新生成样本以及重复计算和关联权重，直到获得样本的概率分布。

根据一个或多个实施例或以上系统实施例中的任何系统实施例，权重计算可包括多路径抑制测定。

根据一个或多个实施例或以上系统实施例中的任何系统实施例，多路径抑制测定可以是基于信道状态信息。

根据一个或多个实施例或以上系统实施例中的任何系统实施例，多路径抑制测定可以是基于接收信号强度指示。

根据一个或多个实施例或以上系统实施例中的任何系统实施例，接收信号强度指示可用于推断视线状况。

根据一个或多个实施例，公开了一种非暂时性计算机可读存储介质。该非暂时性计算机可读存储介质包括随其而体现用于确定一个或多个无线站点或接入点的位置的程序指令。程序指令可由处理器读取以使处理器执行从一个或多个车辆接收轨迹数据，对轨迹数据执行粒子滤波分析，以及确定一个或多个无线站点或接入点的位置。

根据一个或多个实施例或以上非暂时性计算机可读存储介质实施例，程序指令可由处理器读取以使处理器使用一个或多个无线站点或接入点的位置来确定一个或多个车辆的位置。

根据一个或多个实施例或以上非暂时性计算机可读存储介质实施例中的任何非暂时性计算机可读存储介质实施例，粒子滤波分析可包括根据轨迹数据生成或重新生成样本，计算权重并使权重与每个样本相关联，以及重复生成或重新生成样本以及重复计算和关联权重，直到获得样本的概率分布。

根据一个或多个实施例或以上非暂时性计算机可读存储介质实施例中的任何非暂时性计算机可读存储介质实施例，权重计算可包括多路径抑制测定。

根据一个或多个实施例或以上非暂时性计算机可读存储介质实施例中的任何非暂时性计算机可读存储介质实施例，多路径抑制测定可以是基于信道状态信息。

根据一个或多个实施例或以上非暂时性计算机可读存储介质实施例中的任何非暂时性计算机可读存储介质实施例，多路径抑制测定可以是基于接收信号强度指示。

根据一个或多个实施例或以上非暂时性计算机可读存储介质实施例中的任何非暂时性计算机可读存储介质实施例，接收信号强度指示可用于推断视线状况。

结合附图，通过以下详细描述，以上特征和优点以及本公开的其他特征和优点显而易见。

附图说明

其他特征、优点和细节仅仅作为示例出现在以下详细描述中，详细描述参考附图，其中：

图1是根据一个或多个实施例的计算环境；

图2是图示根据一个或多个实施例的处理系统的一个示例的框图；

图3描绘根据一个或多个实施例的路线遍历(traversal)；

图4描绘根据一个或多个实施例的用于粒子滤波的方法的流程图；

图5描绘根据一个或多个实施例的用于确定无线站点的位置并使用该位置来确定车辆位置的方法的流程图。

具体实施方式

以下描述本质上仅仅是示例性的，并不旨在限制本公开、其应用或用途。应当明白，在整个附图中，相应附图标记表示相同或相应的部分和特征。如本文中使用，术语模块指的是可包括专用集成电路(ASIC)的处理电路、电子电路、执行一个或多个软件或固件程序的处理器(共享、专用或群组)和存储器、组合逻辑电路和/或提供所述功能的其他合适组件。

近年来，既包括无线网络功能(例如，IEEE 802.11协议标准，本文中称为Wi-Fi)又包括全球定位系统(GPS)功能的移动平台的使用显著增加。这种移动平台包括例如移动计算设备(诸如膝上型计算机、平板型计算机、智能手机等)和各种运输系统(机动车辆、公共汽车、摩托车等)。在GPS信息不可用的情况下，或当不希望启用这种移动平台的GPS功能(例如，由于电池寿命问题)时，可以使用与移动平台的范围内的一个或多个网络接入点(例如，符合IEEE 802.11系列标准中的一个或多个标准的Wi-Fi接入点)有关的信息来估计移动平台的位置。即，如果确定移动平台在地理位置已知的多个接入点的范围内且这些范围是已知的(例如，通过飞行时间(ToF)测量值)，那么可以基于范围信息来估计移动平台自身的位置。然而，这种位置估计的准确性因接入点位置自身的准确性而受到限制。虽然可以使用车辆数据来执行获得接入点的位置信息，但是由于通过接入点接收到多路径信号，这种方法可能容易出错。

根据示例性实施例，图1示出与使用波达角进行恶意基本安全消息检测的系统相关联的计算环境50。如图所示，计算环境50包括一个或多个计算设备，例如，服务器/云54B，和/或并入到多个自主车辆或非自主车辆中的每个自主车辆或非自主车辆中的车载计算机系统54N，该多个计算设备经由网络150连接。一个或多个计算设备可以使用网络150相互通信。

网络150可以是例如蜂窝网络、局域网(LAN)、广域网(WAN)(诸如因特网和Wi-Fi)、专用短程通信网络(例如，V2V通信(车辆对车辆)、V2X通信(即，车辆对一切事物)、V2I通信(车辆对基础设施)和V2P通信(车辆对行人))或其任何组合，且可包括有线、无线、光纤或任何其他连接。网络150可以是分别将支持服务器/云54B和/或多个车载计算机系统54N之间的通信的连接和协议的任何组合。

多个车辆中的每个车辆的车载计算机系统54N可包括GPS发射器/接收器(未示出)，该GPS发射器/接收器可操作用于从分别提供表示每个移动资源的位置的信号的多个GPS卫星(未示出)接收位置信息。除GPS发射器/接收器之外，与多个车载计算机系统54N中的一个相关联的每个车辆还可包括导航处理系统，该导航处理系统可布置成通过网络150与服务器/云54B进行通信。因此，与多个车载计算机系统54N中的一个相关联的每个车辆能够确定位置信息，并将该位置信息发送到服务器/云54B或另一个车载计算机系统54N。

车载计算机系统54N还可包括一个或多个主动和被动传感器(例如，雷达、LIDAR、摄像机(内部和外部)、天气、纵向加速度、语音识别等)。车载计算机系统54N还可包括一个或多个麦克风以及语音处理应用程序。

发送和接收的其他信号可包括数据(例如，从与车载计算机系统54N相关联的摄像机获得的图像数据)、通信和/或其他传播信号(例如，与LIDAR和/雷达相关联的信号)。此外，应当注意，发射器和接收器的功能可以结合到信号收发器中。

车载计算机系统54N和服务器/云54B都可包括存储高清晰度地图数据的存储器组件，且还可包括处理高清晰度地图数据的处理组件。例如，每个车辆可以将高清晰度地图数据存储在非易失性存储器内。车载计算机系统54N和服务器/云54B都可存储与地图数据有关的相同或相似信息以及选路信息。

当采用云而非服务器时，服务器/云54B可以用作远程计算资源。服务器/云54B可以实现为服务递送的模型，用于使得能够方便地通过网络按需访问可配置计算资源(例如，网络、网络带宽、服务器、处理、存储器、存储、应用、虚拟机和服务)的共享池，该共享池可以以最少的管理努力或与服务提供商的交互来快速提供和释放。

根据示例性实施例，图2示出用于实现本文中的教导的处理系统200。处理系统200可以形成一个或多个计算设备(诸如服务器/云54B和/或车载计算机系统54N)中的至少一部分。处理系统200可包括一个或多个中央处理单元(处理器)201a、201b、201c等(统称为处理器201)。处理器201经由系统总线203耦合到系统存储器202和各种其他组件。系统存储器202可包括只读存储器(ROM)204，可包括随机存取存储器(RAM)205，以及可包括基本输入/输出系统(BIOS)，该基本输入/输出系统(BIOS)控制处理系统200的某些基本功能。

图2还描绘耦合到系统总线203的网络适配器206和输入/输出(I/O)适配器207。I/O适配器207可以是与大容量存储设备208进行通信的小型计算机系统接口(SCSI)适配器，该大容量存储设备208可包括硬盘209和/或其他存储设备驱动器或任何其他类似组件。用于在处理系统200上执行的操作系统210可以存储在大容量存储设备208中。网络适配器206将系统总线203与外部网络211互连，使处理系统200能够与其他这种系统通信。

显示适配器212可将屏幕215(例如，显示监视器)连接到系统总线203，并且可以包括图形适配器以提高图形密集型应用程序和视频控制器的性能。在一个实施例中，适配器207、206和212可以连接到一个或多个I/O总线，该一个或多个I/O总线经由中间总线桥接器连接到系统总线203。适合于连接外围设备(诸如硬盘控制器、网络适配器和图形适配器)的I/O总线通常包括通用协议，诸如外围组件互连(PCI)。其他输入/输出设备示出为经由用户接口适配器220连接到系统总线203。键盘221、鼠标222和扬声器223都可经由用户接口适配器220与系统总线203互连，用户接口适配器220可包括例如将多个设备适配器集成到单个集成电路中的超级I/O芯片。

处理系统200还可包括图形处理单元230。图形处理单元230是专用电子电路，其设计成操纵和改变存储器，以加快在帧缓冲器中创建用于输出到显示器的图像。通常，图形处理单元230在操纵计算机图形和图像处理方面非常高效，且具有高度并行的结构，该结构使其对于并行处理大数据块的算法比通用CPU更有效。

因此，如图2所配置，处理系统200包括处理器201形式的处理能力、包括系统存储器202和大容量存储设备208的存储能力、诸如键盘221和鼠标222的输入装置以及包括扬声器223和显示器215的输出能力。在一个实施例中，系统存储器202和大容量存储设备208的一部分共同存储操作系统210，以协调图2所示的各种组件的功能。

图3描绘了根据一个或多个实施例的路线遍历300。当车辆(例如，车辆305)沿着道路网络行驶时，车辆305可以收集、发送和接收信息，该信息可以用于在道路网络上定位车辆并协助车辆的操作。车辆305可以将来自车载计算机系统54N的传感器数据发送到服务器/云54B。例如，车辆305可以收集并确定到一个或多个无线站点或接入点310的ToF距离测量值。ToF涉及信号在车辆305和一个或多个无线站点或接入点310之间传播所需的时间的测量值。ToF数据可用于对与车辆305相关联的位置作三角测量。可以使用任何合适的Wi-Fi标准(例如，802.11mc)来获取ToF测量值。ToF距离测量值可以与其他传感器数据组合以形成轨迹数据。

可以使用任何合适的通信协议(例如，长期演进(LTE)无线通信)将轨迹数据从车载计算机系统54N发送到服务器/云54B。轨迹数据还可包括数据点列表，其中每个数据点包括由车辆305在特定时间收集到的数据(即，时间戳)。收集到的数据可包括例如GPS坐标、GPS误差、车速、车辆偏航率、ToF距离测量值、无线电物理层读数(诸如接收信号强度指示(RSSI)、功率延迟分布(Power-delay Profiling)、其他物理层指示离子等，诸如多普勒漂移、多普勒扩展、相干时间和相干带宽)等。

在接收到车辆305的轨迹数据后，服务器/云54B可以对车辆305的轨迹数据以及其他车辆的轨迹数据进行分析以确定沿着道路网络的无线站点(例如，一个或多个无线站点或接入点)的位置。服务器/云54B可以确定每个车辆的定位数据，以及对轨迹数据执行粒子滤波分析以确定与无线站点(例如，一个或多个无线站点或接入点)相关联的位置。

图4描绘根据一个或多个实施例的用于粒子滤波的方法400。在框405处，云54B可包括计算机可读指令，该计算机可读指令响应于一个或多个处理器的执行，使得执行包括从一个或多个车辆接收具有轨迹数据点的轨迹数据的操作。在框410处，云54B可以重新生成与相关联的轨迹数据中的每个轨迹相关联的粒子/样本(样本)。每个样本可以与车辆和Wi-Fi位置之间的每个信号发射和/或接收相关联。在框415处，服务器/云54可以计算每个样本的权重。

权重计算可以基于公式1：

w^[j]＝f(j,trace) 公式1

请注意，样本j的权重可以是样本j和从车辆接收到的数据点的轨迹(trace)的函数。权重函数可以基于公式2：

其中j是样本，i是车辆的数据点。误差(error)函数是样本j和数据点i之间的测量误差的函数。

示例性误差函数可以基于公式3：

其中m_i是数据点i的ToF距离测量值，x_j是从样本到数据点i的距离，GPSF_i是数据点i的GPS信号强度因子(GPSF_i∈[0,1],0–弱,1–强)，以及LOSF_i是数据点i的视线因子。样本j和数据点i之间的误差可以与多路径信号有关。请注意，这里的公式可包括用于实现相同技术目标的变体。此外，请注意，重复生成或重新生成样本(如框410中所描述)以及重复计算和关联权重(如框415中所描述)，直到获得样本的概率分布。

多路径信号是通过两个或更多个路径到达接收天线(例如，与Wi-Fi相关联的天线)的信号。多路径的原因可包括大气波导、电离层反射和折射以及来自水体、山脉和其他物体的反射。在城市环境中，多路径信号可以由建筑物、其他车辆等引起。

GPSF可以从相关联的车辆的GPS接收器中检索且具有范围在0和1之间的归一化值，其中1指示强信号，0指示弱信号。LOSF可以具有在0和1之间的范围，其中0指示视线(LOS)信号被阻挡，1表示强LOS信号。因此，示例性误差函数可以表示最小二乘拟合方案，其中LOSF＝1，GPSF＝1。

如果(m_i-x_j)<0，那么LOS有可能更接近1。因此，对样本进行最小二乘拟合。如果(m_i-x_j)>0，那么LOS有可能更接近0，即，无LOS(NLOS)测量值。因此，对样本的权重的贡献呈指数减小。

可以使用各种公式来计算LOSF。第一示例性LOSF计算(即，直接路径计算的能量)可以根据公式4：

其中EDP是直接路径的能量，其可以由车辆的Wi-Fi芯片组收集，附连到数据点，并上传到云54B。RSSI是接收信号强度指示。EDP可以从与芯片组(其与车载计算机系统54N相关联)相关联的信道状态信息(CSI)中得到。

第二示例性LOSF计算(即，RRSI统计学习计算)可以根据公式5：

其中σ_rssi是参考RSSI标准偏差，σ_{rssi_i}是数据点i的位置处的RSSI标准偏差。σ_rssi可以是基于大规模实验的经验值。σ_{rssi_i}可以使用众包RSSI测量值来计算(即，从先前上传的车辆轨迹中获得所有RSSI读数并计算以半径r内的数据点i的位置为中心的所有RSSI读数的方差)。当需要确认受到诸如建筑物、墙壁等的持续散射影响时，第二示例性LOSF计算是有益的。

第三示例性LOSF计算(即，相邻测量值验证(位移限制))可以根据公式6：

其中m′_i是验证距离，m_i是数据点i的距离测量值。第三示例性LOSF计算可能需要从先前上传的轨迹中获得数据点的所有验证距离，计算数据点i的验证距离：m′_i＝max_k∈N(m′_k+d_ki)，N是半径内的相邻数据点的集合，并保存数据点i的验证距离以备将来使用。

在框420处，服务器/云54B输出估计的位置(相对于加权的样本)。例如，通过在确定Wi-Fi位置时不再考虑多路径信号来抑制多路径信号，用于确定Wi-Fi位置的信号数据得到改良，且可以建立更准确的Wi-Fi位置。

图5描绘了根据一个或多个实施例的用于确定无线站点(例如，一个或多个无线站点或接入点)的位置并使用该位置来确定车辆位置的方法500的流程图。在框505处，计算设备(例如，服务器/云54B)可以从一个或多个车辆接收轨迹数据。接收到的轨迹数据可包括数据点列表。每个数据点可包括时间戳信息、GPS坐标、GPS误差、车速、车辆偏航率、ToF距离测量值、无线电物理层读数(诸如RSSI、功率延迟分析)等。在框510处，服务器/云54B对接收到的轨迹数据执行粒子滤波分析。粒子滤波分析可以对与每个轨迹相关联的样本进行加权并从接收到的轨迹数据中去除多路径信号。在框515处，服务器/云54B还可基于轨迹数据的粒子滤波分析来计算Wi-Fi位置。在框520处，服务器/云54B可以存储Wi-Fi位置信息。在框525处，服务器/云54B可以使用所存储的Wi-Fi位置信息来确定一个或多个车辆305的位置。因此，尽管GPS信息不可用，或当不希望使用本文中确定的Wi-Fi位置信息来启用车辆的GPS功能时，也可以确定车辆的位置信息。

因此，本文中所公开的实施例描述一种可以利用车辆之间的轨迹数据和Wi-Fi来确定Wi-Fi位置的系统。本文中所公开的实施例可以利用基于粒子滤波的方法来确定公共无线站点的位置。本文中所公开的实施例还可在确定公共无线站点的位置时利用CSI信息来减轻多路径偏移的影响。本文中所公开的实施例可以利用众包RSSI和/或ToF测量值信息以及车辆位移信息来推断LOS状况并抑制多路径偏移。请注意，因为本文中考虑了其他ToF数据分析，所以本文中的实施例可以扩展基于粒子滤波的方法。

所公开的实施例的技术效果和益处包括但不限于Wi-Fi的位置确定改进。此外，当GPS不可用时，或当不希望启用车辆的GPS功能时，改进的Wi-Fi位置信息用于定位车辆。

本公开可以是一种系统、方法和/或计算机可读存储介质。计算机可读存储介质可包括其上的计算机可读程序指令，用于使处理器执行本公开的各个方面。

计算机可读存储介质可以是有形设备，其可以保留和存储指令以供指令执行设备使用。计算机可读存储介质可以是例如但不限于电子存储设备、磁性存储设备、光学存储设备、电磁存储设备、半导体存储设备或上述各者的任何合适组合。计算机可读存储介质的更具体示例的非详尽列表包括以下：便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字通用光盘(DVD)、记忆棒、机械编码设备以及上述各者的任何合适组合。如本文中使用，计算机可读存储介质本质上不应被解释为暂时性信号，诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如，通过光纤电缆的光脉冲)或通过电线传输的电信号。

计算机可读程序指令还可被加载到计算机、其他可编程数据处理装置或其他设备上以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现在流程图和/或框图框(或多个框)中指定的功能/动作。

虽然已经参考示例性实施例对本公开进行描述，但是本领域技术人员应当明白，在不脱离本公开的范围的情况下，可以进行各种改变并且可以用等同物替换本公开的要素。另外，在不脱离本公开的实质范围的情况下，可以进行许多修改以使特定情况或材料适应本公开的教导。因此，本公开旨在并不限于所公开的特定实施例，而是将包括在本公开的范围内的所有实施例。

Claims

1.一种用于确定一个或多个无线站点或接入点的位置的方法，所述方法包括：

由处理器从一个或多个车辆接收轨迹数据；

由所述处理器对所述轨迹数据执行粒子滤波分析；以及

由所述处理器确定所述一个或多个无线站点或接入点的位置；其中，

所述轨迹数据至少通过，到所述一个或多个无线站点或接入点的飞行时间(ToF)距离测量值、以及其他传感器数据组合来形成，并且，

所述粒子滤波分析包括：

根据所述轨迹数据生成或重新生成样本；

计算权重并使权重与所述样本中的每个样本相关联；以及

重复生成或重新生成样本以及重复计算和关联权重，直到获得所述样本的概率分布。

2.根据权利要求1所述的方法，还包括使用所述一个或多个无线站点或接入点的位置来确定所述一个或多个车辆的位置。

3.根据权利要求1所述的方法，其中所述权重计算包括多路径抑制测定。

4.根据权利要求3所述的方法，其中所述多路径抑制测定是基于信道状态信息。

5.根据权利要求3所述的方法，其中所述多路径抑制测定是基于接收信号强度指示。

6.根据权利要求5所述的方法，其中所述接收信号强度指示用于推断视线状况。